Machine Learning auf EEG zur präklinischen Erkennung von Large-Vessel-Occlusion-Stroke
Von KI ausgewählt und zusammengefasst
Worum es geht
Prospektive multizentrische Studie (prehospital und in-hospital, Amsterdam) mit zwei RCT-Kohorten zur Entwicklung und Validierung von ML-Algorithmen für EEG-basierte Erkennung von anterioren Zirkulationsobstruktionen (LVO-a) mittels 8-Elektroden-Trockenelektroden in 2–3 min.
Ergebnis
Von 1.293 Verdachtsfällen 336 Patienten eingeschlossen (74% präklinisch, 26% in-hospital). LVO-a: 16 Patienten (5%). Naive-Bayes-Modell bestes Ergebnis: AUC 0,85 (95%-KI 0,77–0,93), Sensitivität 69% (95%-KI 44–86%), Spezifität 86% (95%-KI 82–89%). EEG-Symmetriemessungen zeigen moderates diagnostisches Potenzial für präklinische Triage.
Übertragbarkeit auf Deutschland
Niederlande, vergleichbare Notfallversorgungsstruktur; verbesserte EEG-Akquisition erforderlich vor Umsetzung.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.